許多企業投下數百萬美元用于大數據、分析法，并雇用數據分析家，但卻感到很受挫。無可否認，他們現在得到了更多、更好的數據。他們的分析師和分析法也是一流的。但經理人對業務的想法和爭論，似乎與過去的類型仍一樣，只是他們使用的數據與分析法都比以前好得多。最終的決定可能是更加由數據驅動(data-driven)，但組織文化給人的感覺仍然相同。正如一位CIO最近告訴我的，“我們現在可以做實時的分析，那是我在五年前根本無法想象的，但這么所帶來的影響力，仍與我的預期差距很遠。”

怎么回事?我曾協助《財富》雜志1000大企業舉辦了幾場大數據與分析法會議，并花費大量時間協助一些似乎對投資在分析法上的回報感到很滿意的組織，結果一個明確的“數據啟發法”(data heuristic)出現了。分析成果為平庸到中等的企業，用大數據和分析法來支持決策;而“分析報酬率”(Return on Analytics，簡稱ROA)良好的企業，使用大數據和分析法來推動并維持行為的改變。較好的數據驅動分析不僅僅是納入既有的流程和檢討會，它們還被用來創造及鼓勵不同類型的對話和互動。

“要等到管理階層確認想要改變、并清楚知道影響的行為是什么之后，我們才會去做分析或商業情報的工作，”一位金融服務公司的CIO說。“提高合乎法規的情況和改善財務報告，是很容易獲得的成果。但是，這只意味著我們使用分析法去做我們已經做得比以前好的事情。”

真正的挑戰是洞察，利用大數據和分析法，以改善解決問題和決策的方式，會掩蓋組織里一個現實情況，那就是新的分析法往往需要新的行為。公司人員可能需要作更多分享和協力合作;各部門可能需要設置不同的或互補的業務流程;經理人和高級主管可能需要確保，現有的激勵措施不會破壞分析帶來的成長機會和效率。

例如，一家醫療用品供貨商整合有關“能帶來最多利潤的客戶”和“最賺錢產品”的分析，必須對業務人員與技術支持團隊進行完整的再教育，兩者都是為了“打擾” 并“教育”客戶有關附加價值較高的產品。這家公司了解，這些分析法不應該只是被用來支持現有的銷售和服務實務，而應該被視為一種契機，可推動新型的促進式(facilitative)和顧問式(consultative)銷售及支持組織。

諷刺的是，大數據和分析法的質量，不如分析的目的來得重要。最有趣的緊張態勢和爭論，始終圍繞著組織是否會因使用分析法而獲得最大報酬，以使既有的流程行為(process behavior)更完善，或者改變公司人員的行為。但大致的共識是，最有成效的對話聚焦于分析如何改變行為，而非解決問題。

“我們組織內的大多數人，歷史課的表現優于數學課，”一位消費性產品分析主管告訴我。“要讓公司人員了解新信息和指標可能會如何改變他們的做事方式，是比較容易的，要讓他們了解根本的算法則比較困難……我們好不容易才學到，‘翻墻’(over-the-wall)數據和分析法，不是讓我們的內部客戶從工作中獲得價值的好辦法。”

得到正確的答案，甚至是問正確的問題，原來不是擁有高ROA企業的主要關切點。無可否認，數據與分析法的問題、答案，都是重要的。但更重要的是，這些問題、答案及分析法，如何與個人與機構的行為協調一致(或彼此沖突)。有時候，即使是最好的分析法也可能引發適得其反的行為。因此，不要辜負了你的分析法。